Poblaciones estructuradas Ecología Molecular – TP 5 Poblaciones estructuradas & flujo génico
Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu Estudio de caso: Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu 3 4 2 1 5 6 7 Identificación de stock (o poblaciones): 8 muestras de 40 individuos 10 loci, microsatelites 8
Ciclo de vida
Abrir archivo: Langosta.gtx
Paso 1: Fis en cada población Paso 2: AFC 3D sobre poblaciones Paso 3: Fst global y permutaciones Paso 4: Fst por pares y permutaciones Paso 5: Modelo de diferenciación
(AA) = p² + pq FIS (Aa) = 2pq (1 – FIS) (aa) = q² + pq FIS Paso 1: Fis en cada población (AA) = p² + pq FIS (Aa) = 2pq (1 – FIS) (aa) = q² + pq FIS
¿Cómo interpretar un Fis estadísticamente significativo? Sistema de reproducción Efecto Wahlund Selección Alelos nulos
Paso 1: Fis en cada población
Resultados Análisis en detalle Locus por locus ¿Conclusiones?
Con n = 200 por población ¡Era un efecto del muestreo!
Paso 2: AFC 3D sobre poblaciones
Paso 3: Fst global y permutaciones
¿Conclusión?
Paso 4: Fst por pares y permutaciones
Resultados
Paso 5: Modelo de diferenciación Modelo n-Islas Modelo Continente-Isla Modelo Stepping-stone (migración paso a paso) Modelo aislamiento por distancia
Incremento de la diferenciación genética con la distancia entre poblaciones Distancia geografica ó Log (Distancia) FST / (1-FST) Pendiente es inversamente proporcional a la distancia promedia de dispersion Rousset 1997 Genetics 145:1219-1228 Stepping-stone model (isolation by distance) Island model Test de Mantel
¿Cuando estimar un flujo genético? Distancia geográfica Distancia genética ¿Cuando estimar un flujo genético? Distancia geográfica Distancia genética Distancia geográfica Distancia genética
Paso 5: Modelo de diferenciación
Resultados
Conclusiones e interpretación
Convertir Genetix ► Arlequin Langosta.arp
Abrir archivo: Langosta.arp
1 2 3
1 2 3
4 1 3 2
Entre todos Los sitios ˃ ˃ Entre sitios Dentro de los grupos Entre grupos
Patrones de migración Históricos Actuales
Análisis con STRUCTURE
Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu Estudio de caso: Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu 3 4 2 1 5 6 7 Identificación de stock (o poblaciones): 313 individuos, 8 localidades 10 loci microsatelites 8
Abrir el archivo de entrada (langosta.str) Genótipo del individuo 1 en loc-1 Códigos de los individuos En Notepad Nombres de los loci Códigos de las localidades
1 2 3
1 2
1 2
1 2
1
Modelo de frecuencias correlacionadas 1 darle al conjunto de parámetros un nombre informativo Tamaño del burn-in Tamaño de la cadena Modelo “admixture” Modelo de frecuencias correlacionadas 3 4 2
1 2 3
1 2 Advertencia: vamos a hacer solamente 1 iteración para cada K en esta práctica. En análises verdaderos, por lo menos 3 (Mejor 6 - 10)
¿Cuál es el tamaño ideal del burn-in? 1 2
Término del burn-in 10.000 500.000 Término del burn-in 100.000
¿Cuál es el tamaño ideal de las cadenas? Eso lo evaluamos por la convergencia entre las diferentes corridas para cada K - verificar que todas las cadenas con K=2 tienen valores no muy distintos de Ln P(D) y de los outros parámetros, lo mismo para K=3, etc Si las cadenas para cada K llegan a valores cercanos, ok (En contrario, hay que aumentarlas)
<<<<<0.00000001 eK=2 P = eK=1 + eK=2 + eK=3 + eK=4 + eK=5 + eK=6 + eK=7 + eK=8 K Ln P(D) P (K) 1 -8569.8 2.27 E-08 2 -8552.2 0.999 3 -8568.1 1.24 E-07 4 -8980.1 1.46 E-186 5 -9145.4 2.38 E-258 6 -9095.1 1.67 E-236 7 -9623.6 <<<<<0.00000001 8 -9448.5
<<<<<0.00000001 eK=2 P = eK=1 + eK=2 + eK=3 + eK=4 + eK=5 + eK=6 + eK=7 + eK=8 K Ln P(D) P (K) 1 -8569.8 2.27 E-08 2 -8552.2 0.999 3 -8568.1 1.24 E-07 4 -8980.1 1.46 E-186 5 -9145.4 2.38 E-258 6 -9095.1 1.67 E-236 7 -9623.6 <<<<<0.00000001 8 -9448.5 valores promedios de las X cadenas hechas para cada K
<<<<<0.00000001 eK=2 P = eK=1 + eK=2 + eK=3 + eK=4 + eK=5 + eK=6 + eK=7 + eK=8 K Ln P(D) P (K) 1 -8569.8 2.27 E-08 2 -8552.2 0.999 3 -8568.1 1.24 E-07 4 -8980.1 1.46 E-186 5 -9145.4 2.38 E-258 6 -9095.1 1.67 E-236 7 -9623.6 <<<<<0.00000001 8 -9448.5
Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu Estudio de caso: Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu 3 4 2 1 5 6 7 OK, 2 poblaciones. ¿Pero cuáles son? 8
2 3 1
Manejo pesquero = 2 poblaciones que deben ser manejadas separadamente 3 4 2 1 5 6 7 2 poblaciones que deben ser manejadas separadamente 8
Poulin, Faugeron and Veliz 2010 Journal of Fictive Science 1: 17-24
Etc...
Bar plot: sintetizando los resultados Cada cadena, para cada K, genera un bar plot de Q Hacemos 10 réplicas = 10 bar plots para cada K Distruct (Rosenberg 2004) http://rosenberglab.bioinformatics.med.umich.edu/distruct.html CLUMPP (Jakobsson & Rosenberg 2007) http://rosenberglab.bioinformatics.med.umich.edu/clumpp.html Sintetizan los resultados de Q para cada conjunto de cadenas (i.e. para cada K) e generan un bar plot sumário
7 6 7 4 11 2 2 1 3 4 2 1 10 5 12 4 6 7 3 1 3 8